> For the complete documentation index, see [llms.txt](https://library.zoom.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://library.zoom.com/technical-library/de/ai/ai-whitepaper/diagrams.md).

# Diagramme und Datenflüsse

Zoom AI-Diagramme und Datenflüsse für Zoom Workplace, Webinare und Events

Zooms KI-Funktionen decken eine breite Palette von Produkten, Diensten und Arbeitsabläufen ab, was bedeutet, dass kein einzelnes Diagramm vernünftigerweise oder vollständig erfassen kann, wie KI über die gesamte Zoom Plattform hinweg funktioniert. Verschiedene Funktionen stützen sich auf unterschiedliche Eingaben, Verarbeitungswege, Speicherverhalten, Modellinteraktionen und Ausgaben. Einige arbeiten nur mit live, flüchtigen Daten während einer aktiven Interaktion, während andere aufbewahrte Artefakte erzeugen, die später zusätzliche Funktionen unterstützen können. Einige Funktionen verbleiben vollständig in Zooms First-Party-Umgebung, während andere auf Zooms föderierte KI-Architektur und in einigen Fällen auf verbundene externe Systeme angewiesen sind. Um dieses dynamische und weitreichende System leichter verständlich zu machen, präsentiert diese Seite eine Reihe von Diagrammen, anstatt sich auf ein einziges visuelles Modell zu verlassen. Jedes hebt eine andere Ebene, einen anderen Pfad oder ein anderes Funktionsmuster innerhalb der breiteren Zoom AI Plattform hervor. Am Ende dieser Abschnitte befinden sich Tabellen, die aufzeigen, welche Funktionen anwendbar sind, zu welchem Produkt sie gehören und welchen Status die Aufbewahrung ihrer Artefakte hat. Spätere Abschnitte untersuchen dann bestimmte maßgeschneiderte Produktfunktionen einzeln und bieten gezieltere Erklärungen dazu, wie diese spezifischen Funktionen arbeiten.

Die Abfolge beginnt unten mit einer vereinfachten Übersicht von Zoom AI in seiner grundlegendsten Form und zeigt die Plattform in einem erstanbieterzentrierten Zustand, der Zooms Standard-Architektur eines föderierten Modells verwendet, jedoch noch keine Business-Integrationen von Drittanbietern oder externen Kundendatenquellen über Zooms KI-Modellanbieter von Drittanbietern hinaus einführt. Von dort aus führen die Diagramme schrittweise spezialisiertere Teile der Plattform ein, darunter Zooms AI-Ansatzoptionen, die Umwandlung von live audio in für AI nutzbare Artefakte und die Art und Weise, wie diese Artefakte später andere Funktionen und Workflows unterstützen können. Zusammengenommen sollen diese Diagramme ein hochkomplexes System zugänglicher machen, indem es in kleinere, leichter nachvollziehbare Ansichten unterteilt wird, die widerspiegeln, wie verschiedene Teile von Zooms AI-Plattform in der Praxis funktionieren.

## **Zoom AI**

<div data-with-frame="true"><figure><img src="https://590569539-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2F2U0TxpBDyYeXwPrgYc4C%2Fb7f1f3_UzmpbRMaSQe1r5xsXwWmQg_Zoom-AI-Architecture-v1_0.png?alt=media&amp;token=54f00b3a-833e-4cc7-a2e3-df492d45f26f" alt=""><figcaption><p>Ein einfacher Überblick über Zoom AI</p></figcaption></figure></div>

Das obige Diagramm veranschaulicht die KI-Plattform von Zoom in vereinfachter Form und zeigt die Plattform in einem ihrer grundlegendsten Zustände. Es veranschaulicht, wie verschiedene Teile der umfassenderen Produkt- und Servicearchitektur von Zoom, die als Zoom-Web-Backend bezeichnet wird und Bereiche wie Meetings, Telefonie, Contact Center, automatische Spracherkennung und weitere Angebote von Zoom umfasst, in die übergeordnete Zoom-Plattform einfließen und zum Bestand an für Benutzer zugänglichen Inhalten beitragen, die nachgelagerte KI-Funktionen unterstützen können.

Ein zentrales Konzept in diesem Diagramm ist **Zoom-Benutzerinhalte**. Dies bezieht sich auf Inhalte, die durch die Interaktionen eines Benutzers mit Zoom-Produkten und -Diensten generiert werden und später als Eingabe, Kontext oder Artefakte für KI-gestützte Erlebnisse dienen können. Je nach verwendetem Produkt und verwendeter Funktion kann dies Materialien wie Zoom-Chat-Nachrichten, Meeting-Zusammenfassungen, Transkripte, Canvas-Dokumente, My Notes, Aufzeichnungen und ähnliche, für Benutzer sichtbare Artefakte umfassen. Diese Materialien bilden einen wichtigen Teil der Kontextebene, die später KI-gestützten Abruf, Schlussfolgerungen, Zusammenfassungen und die weitere Bearbeitung unterstützen kann.

Einige dieser Inhalte können auch für zukünftige KI-Nutzung über Abrufinfrastrukturen wie indizierte Abrufe oder Module zur Retrieval-augmented Generation vorbereitet werden. In diesen Fällen können relevante Artefakte aufgenommen und indexiert werden, sodass sie in späteren KI-Abfragen oder -Prozessen effizienter gefunden und verwendet werden können. Dies hilft Zoom AI, nicht nur mit Live-Interaktionen zu arbeiten, sondern auch mit gespeichertem Kontext und früheren vom Benutzer erstellten Materialien auf der Plattform.

Abschließend führt das Diagramm auch **Zoom AI** selbst als gemeinsam genutzte KI-Ebene, die in diesem umfassenderen Ökosystem zum Einsatz kommt. In dieser vereinfachten Darstellung wird Zoom AI anhand von Zooms standardmäßigem föderiertem Ansatz gezeigt. Dabei kann Zoom sowohl von Zoom gehostete Modelle nutzen, die in der eigenen Infrastruktur von Zoom ausgeführt werden, als auch ausgewählte Drittanbieter von KI-Modellen, wenn diese für die jeweilige Aufgabe geeignet sind. Dieses föderierte Modell ermöglicht es Zoom, KI-Aufgaben an die am besten geeignete verfügbare Modellumgebung weiterzuleiten und gleichzeitig eine einheitliche KI-Erfahrung auf der Plattform zu bieten.

## Zoom AI-Dienstmodell-Ansätze

<div data-with-frame="true"><figure><img src="https://590569539-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2FQp3shGm7hdT8CwqDc05v%2FZoom-AI-Service-Models---v1_1.png?alt=media&amp;token=f9794e05-fe6a-4077-8f32-a1ce53499227" alt=""><figcaption><p>Überblick über Zooms KI-Ansätze, einschließlich Federated, ZM+ und ZMO</p></figcaption></figure></div>

Die obige Abbildung veranschaulicht Zooms drei KI-Ansätze: den föderierten Ansatz, Zoom-gehostete Modelle Plus (ZM+) und Zoom-gehostete Modelle (ZMO). Zusammen stellen diese die drei primären Arten dar, wie Zoom Kunden KI-Dienste bereitstellt, wobei jeder ein anderes Gleichgewicht zwischen Funktionsumfang, Modellflexibilität und Datenkontrolle bietet.

Der föderierte Ansatz ist Zooms Standard- und funktionsvollständigster Ansatz. Er ermöglicht es Zoom, mit mehreren KI-Anbietern zusammenzuarbeiten, darunter Zoom-gehostete Modelle und ausgewählte Modellpartner von Drittanbietern, sodass Aufgaben an das für die jeweilige Anfrage am besten geeignete Modell weitergeleitet werden können. ZM+ bietet ein stärker kontrolliertes Bereitstellungsmodell durch die Verwendung von von Zoom verwalteten dedizierten Modellinstanzen, während ZMO die KI-Verarbeitung auf Zoom-gehostete Modelle beschränkt und damit den restriktivsten und kontrolliertesten Modellpfad bietet, jedoch mit einem eingeschränkteren Funktionsumfang.

Für die Zwecke dieser Seite veranschaulichen die folgenden Diagramme im Allgemeinen den föderierten Ansatz, da er Zooms Standardansatz und die breiteste Sicht auf die Zoom AI-Funktionalität widerspiegelt. Organisationen, die ZM+ oder ZMO verwenden, können dieselben Diagramme oft interpretieren, indem sie die KI-Modellanbieter von Drittanbietern gedanklich entfernen und sich auf die verbleibenden von Zoom verwalteten Teile des Ablaufs konzentrieren.

Weitere Informationen finden Sie auf der Seite zu den Zoom AI-Modellen, der Verarbeitung, Speicherung und Nutzung.

## Live-Medien-Funktionen und Artefakte

<div data-with-frame="true"><figure><img src="https://590569539-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2F1qx2z9BKVCrRDN6aI2wG%2FLive-Media-Features-and-Artifacts-v3_1.png?alt=media&amp;token=3a25dc7c-2a97-4aa2-8fb8-671a24956d3e" alt=""><figcaption><p>Überblick darüber, wie Live-Medien in Sprach-zu-Text-Daten umgewandelt werden, die Zoom AI-Funktionen ermöglichen</p></figcaption></figure></div>

Das obige Diagramm veranschaulicht, wie Live-Medieninteraktionen – etwa Besprechungen und Telefonanrufe – plattformübergreifend KI-gestützte Funktionen und Artefakte auf Zoom hervorbringen können. In jedem Fall gelangt das Live-Audio über den Verbindungspunkt, der dem jeweiligen Produkt oder Dienst zugeordnet ist, in Zoom. Bei Besprechungen ist dies in der Regel der **Multimedia-Router (MMR)**. Bei der Telefonie wird Audio üblicherweise über **SIP-Zonen**.

Sobald das Audio eingespielt wurde, wird es an den **Automatische Spracherkennung (ASR)** weitergeleitet, die das Live-Audio in **Sprache-zu-Text-Daten**. Diese Sprache-zu-Text-Daten können je nach aktivierten Einstellungen und Funktionen auf verschiedene Weise genutzt werden. In manchen Fällen werden sie den Nutzern sofort als **Live-Untertitel**. In unterstützten Kontexten können sie auch an den **Live-Übersetzungs** dienst weitergeleitet werden, der die Sprache-zu-Text-Ausgabe übersetzt und Teilnehmern in anderen Sprachen übersetzte Untertitel bereitstellt.

Sprach-zu-Text-Daten können auch dauerhaftere oder abgeleitete Funktionen unterstützen. Wenn **Transkription** aktiviert ist oder ein Benutzer **Meine Notizen**, kann der ASR-Dienst nach Ende der Live-Sitzung ein Transkript erstellen. Wenn die Aufbewahrung von Transkripten jedoch nicht aktiviert ist, werden die während der Interaktion verwendeten Sprach-zu-Text-Daten nicht als dauerhaftes Transkript gespeichert. Auch in diesen Fällen kann Zoom AI die Sprach-zu-Text-Daten während der Sitzung vorübergehend nutzen, um Live-KI-Funktionen zu unterstützen.

Ein Benutzer kann beispielsweise **Fragen im Meeting** während eines Meetings über Zoom AI stellen. In diesem Fall kann Zoom AI die Live-Sprach-zu-Text-Daten des Meetings nutzen, um die Frage des Benutzers zu interpretieren und eine relevante Antwort zu generieren, die auf dem laufenden Gespräch basiert.

Ein wichtiger Unterschied bei diesem Ablauf ist, dass Zoom AI nicht zwangsläufig ein Transkript des Gesprächs speichert, nur weil während der Sitzung Sprach-zu-Text-Daten verwendet wurden. Sofern die Aufbewahrung von Transkripten nicht ausdrücklich aktiviert ist oder die Daten nicht über eine Funktion wie **Meine Notizen**, die Sprach-zu-Text-Daten selbst können flüchtig bleiben. Gleichzeitig können einige nachgelagerte Artefakte, die aus diesen Daten erstellt werden, dauerhaft gespeichert werden. Wenn ein Benutzer beispielsweise während eines Meetings Fragen stellt, kann die daraus entstehende KI-Unterhaltung oder können zugehörige Notizen später als gespeichertes Artefakt verfügbar bleiben, auch wenn kein dauerhaftes Transkript erstellt wird.

Einige gespeicherte Artefakte können außerdem als Grundlage für weitere nachgelagerte Artefakte und Workflows dienen. Eine Meeting-Zusammenfassung, eine Webinar-Zusammenfassung, eine Anruf-Zusammenfassung oder die persönlichen Notizen eines Benutzers können in ein **Zoom Canvas** Dokument umgewandelt werden, das anschließend weiter bearbeitet, erweitert und als Arbeitsdokument verwendet werden kann. Diese daraus entstehenden Dokumente können wiederum später als Kontext für andere KI-Funktionen oder Workflows dienen, die an anderer Stelle in diesem Dokument besprochen werden. Auf diese Weise kann Live-Audio nicht nur unmittelbar KI-Funktionen ermöglichen, sondern auch eine Kette gespeicherter Artefakte hervorbringen, die später KI-gestützte Arbeit auf der gesamten Zoom-Plattform unterstützen.

Dieses Diagramm gilt für die folgenden Funktionen:

|         Funktion        |                                                Beschreibung                                                |     Produkt(e)     | Aufbewahrung von Artefakten |
| :---------------------: | :--------------------------------------------------------------------------------------------------------: | :----------------: | :-------------------------: |
|     Live-Untertitel     |                           Echtzeit-Sprach-zu-Text-Untertitel für Live-Sitzungen.                           | Meetings, Webinare |       Nicht aufbewahrt      |
|  übersetzte Untertitel  |                  Echtzeit-übersetzte Untertitel, generiert aus Live-Sprach-zu-Text-Daten.                  | Meetings, Webinare |       Nicht aufbewahrt      |
|       Transkripte       |                     Aufbewahrte Textaufzeichnungen von Meeting-Sprach-zu-Text-Inhalten.                    |  Meetings, Telefon |          Aufbewahrt         |
| Meeting-Zusammenfassung | KI-generierte Zusammenfassung der wichtigsten Meeting-Diskussionspunkte, Entscheidungen und Aktionspunkte. |      Meetings      |          Aufbewahrt         |
| Webinar-Zusammenfassung |     KI-generierte Zusammenfassung der wichtigsten Webinar-Inhalte, die nach der Sitzung geteilt wurden.    |      Webinare      |          Aufbewahrt         |
|  Anruf-Zusammenfassung  |        KI-generierte Zusammenfassung nach dem Anruf mit den wichtigsten Details und Aktionspunkten.        |       Telefon      |          Aufbewahrt         |
|      Meine Notizen      |  Persönliche Notizen, Transkript und Meeting-Kontext, aufbewahrt für spätere Referenz und Nachverfolgung.  |      Meetings      |          Aufbewahrt         |
|    Follow-up-Aufgaben   |                    KI-vorgeschlagene Follow-up-Maßnahmen basierend auf Gesprächsdetails.                   |     Zoom Tasks     |          Aufbewahrt         |
|  Mailbox-Priorisierung  |          KI-basierte Rangfolge von Mailbox-Nachrichten nach vom Benutzer definierter Wichtigkeit.          |       Telefon      |          Aufbewahrt         |
|      Meeting-Fragen     |                 KI-Antworten auf Meeting-Fragen unter Verwendung des Live-Meeting-Kontexts.                |      Meetings      |          Aufbewahrt         |
|      Webinar-Fragen     |                 KI-Antworten auf Webinar-Fragen unter Verwendung des Live-Webinar-Kontexts.                |      Webinare      |          Aufbewahrt         |
|       Anruf-Fragen      |                   KI-Antworten auf Anruf-Fragen unter Verwendung des Live-Anruf-Kontexts.                  |       Telefon      |          Aufbewahrt         |

## Aufzeichnungsfunktionen

<div data-with-frame="true"><figure><img src="https://590569539-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2FQk8rEkziflIo1LRszVES%2FAI-Recording-Features-v1_1.png?alt=media&amp;token=95a406db-cf3c-4172-b92c-8c71f4e41c88" alt=""><figcaption><p>Überblick darüber, wie Zoom Aufzeichnungen und KI-Funktionen verarbeitet</p></figcaption></figure></div>

Das Diagramm oben veranschaulicht, wie Zoom AI **aufzeichnungsbasierte KI-Funktionen** unterstützt, indem die abgeschlossene Aufzeichnung verarbeitet wird, nachdem die Live-Sitzung beendet wurde. Wie bei anderen audio-basierten Zoom-Erlebnissen gelangen die ursprünglichen Medien über die Infrastruktur des verwendeten Produkts in das System – beispielsweise über den **MMR** bei Meetings oder die entsprechende **SIP-Zone** für die Telefonie. Im Rahmen dieses Ablaufs wird die Aufzeichnung erstellt und an den Aufzeichnungsdienst von Zoom gesendet. Dort wird die abgeschlossene Aufzeichnung anschließend im Zoom Content Storage gespeichert.

Sobald die Aufzeichnung finalisiert wurde, wird das zugehörige Audio an den **Automatic Speech Recognition (ASR)** -Dienst zur Transkription gesendet. Dabei entsteht ein **aufzeichnungsspezifisches Transkript**, das sich von den Sprach-zu-Text-Daten unterscheiden kann, die während der Live-Sitzung selbst erzeugt werden. Das heißt, das Transkript einer abgeschlossenen Aufzeichnung wird im Rahmen der Nachbearbeitung nach der Aufzeichnung erstellt und nicht einfach aus der Live-Interaktion übernommen.

Nachdem das Transkript der Aufzeichnung erstellt wurde, kann es anschließend an **Zoom AI** zur weiteren Analyse übermittelt werden. In dieser Phase verarbeitet Zoom AI das Transkript, um übergeordnete Inhalte der Aufzeichnung wie Zusammenfassungen, Highlights, Kapitel und andere strukturierte Darstellungen des Gesprächs zu ermitteln. Diese Analyse erfolgt über die KI-Verarbeitungsebene von Zoom, gegebenenfalls auch mithilfe von bei Zoom gehosteten Modellen, um das Rohtranskript der Aufzeichnung in besser nutzbare Ergebnisse nach einem Meeting oder Anruf umzuwandeln.

Sobald diese Analyse abgeschlossen ist, werden die daraus resultierenden KI-generierten Artefakte der Aufzeichnung selbst zugeordnet. Dadurch können Benutzer, die eine Aufzeichnung ansehen, nicht nur die Aufzeichnung und das Transkript sehen, sondern auch die zusätzlichen KI-generierten Ebenen, die das Navigieren und Verstehen der Inhalte erleichtern. Auf diese Weise zeigt das Diagramm, wie eine abgeschlossene Aufzeichnung zur Grundlage einer zweiten Phase der KI-Verarbeitung werden kann, wodurch angereicherte Aufzeichnungsfunktionen entstehen, die über die ursprünglich gespeicherten Medien hinausgehen.

Dieses Diagramm gilt für die folgenden Funktionen:

|                    Funktion                    |                                                                      Beschreibung                                                                     |  Produkt(e) | Aufbewahrung von Artefakten |
| :--------------------------------------------: | :---------------------------------------------------------------------------------------------------------------------------------------------------: | :---------: | :-------------------------: |
|            Intelligente Aufzeichnung           |                                  KI-generierte Highlights, Kapitel und Zusammenfassungen für aufgezeichnete Meetings                                  |   Meetings  |          Aufbewahrt         |
|    Titel, Beschreibungen und Tags generieren   |                                                KI-generierte Titel, Beschreibungen und Tags für Clips.                                                |    Clips    |          Aufbewahrt         |
| KI-Content-Erstellung für Aufnahmen und Videos | Verwendet Transkripte von Event-Aufzeichnungen, um schriftliche Inhalte und von KI kuratierte Videoclips aus wichtigen Sitzungsmomenten zu erstellen. | Zoom Events |          Aufbewahrt         |

## Abgeleitete KI-Funktionen

<div data-with-frame="true"><figure><img src="https://590569539-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2FmRE1NMTpfCGXF0TbyAzt%2FAI-Derivative-Content-Generation-v3_1.png?alt=media&amp;token=389a8562-e8cc-4a2e-8871-7d8fafac9bdc" alt=""><figcaption><p>Überblick darüber, wie Zoom Funktionen zur Erstellung abgeleiteter KI-Inhalte verarbeitet</p></figcaption></figure></div>

Das obige Diagramm veranschaulicht, wie **abgeleitete KI-Funktionen** nutzen verfügbare Benutzerinhalte als Kontext für spätere KI-gestützte Aufgaben und Ergebnisse. In diesen Fällen arbeitet Zoom AI nicht mehr ausschließlich mit Daten aus Live-Interaktionen. Stattdessen greift Zoom AI auf bereits vorhandene Inhalte aus der umfassenderen Inhaltsumgebung des Benutzers zurück, um Fragen zu beantworten, Informationen zusammenzufassen oder bei der Erstellung neuer Ergebnisse zu helfen.

Je nach Aufgabe kann dieses Kontextmaterial Artefakte wie Chat-Nachrichten, Meeting-Zusammenfassungen, Meine Notizen, Transkripte, Dokumente von Zoom Canvas, Folienpräsentationen von Zoom Slide, Dokumente von Zoom Paper, Inhalte von Zoom Mail oder Zoom Calendar, verknüpfte E-Mail- oder Kalenderdaten von Drittanbietern oder Dateien enthalten, die der Benutzer hochgeladen hat, um eine bestimmte Anfrage zu unterstützen. Auf diese Weise nutzt Zoom AI zuvor erstellte Zoom-Artefakte, zusammen mit integrierten personenbezogenen Daten, wenn verfügbar, um das vom Benutzer angeforderte Ziel zu erreichen.

Das Diagramm zeigt außerdem, dass dieser Prozess selbst **neue Benutzerinhalte**erzeugen kann. Beispielsweise kann Zoom AI vorhandene Materialien verwenden, um ein neues Zoom Sheet, ein Zoom Canvas-Dokument, ein Zoom Slide-Deck oder ein Zoom Paper-Dokument zu erstellen. Nach der Erstellung werden diese neuen Artefakte Teil des umfassenderen Inhaltsarchivs des Benutzers und können später erneut als Kontext für künftige KI-gestützte Funktionen und Workflows dienen. So entsteht eine gestaffelte Entwicklung, bei der frühere Benutzerinhalte spätere Ergebnisse unterstützen können und diese Ergebnisse ihrerseits im Laufe der Zeit zu neuen Kontextartefakten werden.

Dasselbe Muster kann auch in anderen Zoom-Bereichen auftreten. In Umgebungen wie **Zoom Hub** oder im **KI-Chatfenster**können Benutzer Fragen zur gesamten Plattform stellen oder mit Dokumenten und Materialien interagieren, die über die KI-Produktivitätssuite von Zoom verfügbar sind. Auch in diesen Fällen greift Zoom AI auf vorhandene, für den Benutzer zugängliche Artefakte zurück, um Informationen abzurufen und zusammenzufassen, Fragen zu beantworten oder weitere Schritte zu unterstützen. Das zeigt, wie abgeleitete KI-Funktionen den Wert bereits vorhandener Inhalte auf neue Aufgaben und Ergebnisse ausweiten.

{% hint style="info" %}
**Hinweis**

Lokale Datei-Uploads von Benutzern [können deaktiviert werden](https://support.zoom.com/hc/en/article?id=zm_kb\&sysparm_article=KB0077150).
{% endhint %}

Dieses Diagramm gilt für die folgenden Funktionen:

|          Funktion         |                                                                                                         Beschreibung                                                                                                        |             Produkt(e)             | Aufbewahrung von Artefakten |
| :-----------------------: | :-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------: | :-------------------------: |
|     Inhaltserstellung     | Die Inhaltserstellung nutzt KI, um Dokumente, Präsentationen, Tabellenkalkulationen und andere Ausgaben aus Eingabeaufforderungen in natürlicher Sprache zu erstellen, zu verfeinern, zusammenzufassen und zu organisieren. | Leinwand, Tabellen, Papier, Folien |          Aufbewahrt         |
| AI Chat Diskussionsgruppe |                                     Konversationsbasierte KI-Unterstützung zum Stellen von Fragen, zum Erstellen von Inhalten und zum Arbeiten über den verfügbaren Zoom-Kontext hinweg.                                    |      AI Chat Diskussionsgruppe     |          Aufbewahrt         |
|       Fragen stellen      |                                                                  KI-generierte Antworten basierend auf ausgewählten Dokumenten und Materialien in Zoom Hub.                                                                 |                 Hub                |          Aufbewahrt         |

## Generative und Kompositionsfunktionen

<div data-with-frame="true"><figure><img src="https://590569539-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2FtxyUNKDKQeruF5FlzS2j%2FGenerative-Text-Composition-and-Image-Creation-v2.png?alt=media&amp;token=dc5cdb13-d88d-4f31-8b6d-e629bf5a7e20" alt=""><figcaption><p>Übersicht darüber, wie Zoom generative und kompositionsbezogene KI-Anfragen verarbeitet</p></figcaption></figure></div>

Das obige Diagramm veranschaulicht, wie **Generierungs- und Zusammenstellungsfunktionen** innerhalb der Zoom AI-Plattform funktionieren. Anders als abgeleitete KI-Funktionen, die auf bereits vorhandene Benutzerinhalte zurückgreifen, um eine spätere Aufgabe oder ein späteres Ergebnis zu unterstützen, werden Generierungs- und Zusammenstellungsfunktionen oft direkter durch die unmittelbare Eingabe des Benutzers gesteuert. In vielen Fällen sind diese Funktionen nicht auf gespeicherte Zoom-Artefakte angewiesen, die bereits an anderer Stelle in der Inhaltsumgebung des Benutzers abgelegt sind. Stattdessen basieren sie vor allem auf direkten Eingabeaufforderungen und Abfragen des Benutzers, hochgeladenen Dateien oder den unmittelbar sichtbaren Inhalten der gerade verwendeten Produktumgebung.

Diese Unterscheidung ist besonders wichtig für Funktionen, die mit Inhalten arbeiten, die im aktuellen Kontext des Benutzers sichtbar sind, statt mit zuvor indizierten oder aufbewahrten Artefakten. Wenn ein Benutzer beispielsweise einen Chat-Thread zusammenfasst, eine E-Mail zusammenfasst oder Zoom AI bittet, einen Antwortentwurf für eine E-Mail zu erstellen, wird der relevante Inhalt typischerweise aus dem aktiven Client-Kontext entnommen und in eine Anforderungsnutzlast für die Verarbeitung durch Zoom AI verpackt. Mit anderen Worten: Zoom ruft diese Inhalte nicht zwingend aus einem separaten serverseitigen Repository ab, um die Aufgabe zu erfüllen. Stattdessen werden die relevanten Informationen aus dem aktiven Thread, dem Nachrichtenbestand oder einem anderen sichtbaren Kontext der Oberfläche in Textform umgewandelt und aus der Zoom Workplace App an Zoom AI übermittelt, damit der Dienst natürliche Sprachverarbeitung, Zusammenfassung oder Generierung durchführen kann.

Das Diagramm umfasst auch generative Anwendungsfälle, die sich in erster Linie auf direkte Benutzeranweisungen und nicht auf textliches Quellmaterial stützen. Wenn ein Benutzer beispielsweise eine Bildgenerierung anfordert, beschreibt der Benutzer die gewünschte Ausgabe über einen Prompt, und das Modell generiert das Bild auf Grundlage dieser Beschreibung. In einigen Produktkontexten, etwa in Zoom Whiteboard, kann diese Bildgenerierung auf KI-Modellanbietern von Drittanbietern beruhen. In anderen Kontexten kann Zoom eigene gehostete Modelle verwenden. So kann die Bildgenerierung für den virtueller Hintergrund von Zoom auf einem von Zoom gehosteten Modell basieren, das Embeddings und verwandte Verarbeitung nutzt, um visuelle Ausgaben zu erzeugen, wobei der resultierende Inhalt vor der Rückgabe an den Benutzer Moderationskontrollen durchläuft.

Zusammengenommen zeigt das Diagramm, dass generative und kompositorische Funktionen oft weniger von aufbewahrten Artefakten als vielmehr von unmittelbarer Benutzerabsicht, aktivem klientseitigem Kontext oder hochgeladenen unterstützenden Materialien abhängen. Auf diese Weise stellen sie einen weiteren wichtigen Betriebsmodus von Zoom AI dar: nicht nur das Abrufen und Schlussfolgern über frühere Inhalte, sondern auch das direkte Generieren neuer Ausgaben aus der aktuellen Anfrage des Benutzers und dem umgebenden Kontext.

Dieses Diagramm gilt für die folgenden Funktionen:

|                      Funktion                      |                                                                                        Beschreibung                                                                                        |                Produkt(e)               |   Aufbewahrung von Artefakten  |
| :------------------------------------------------: | :----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :-------------------------------------: | :----------------------------: |
|               virtueller Hintergrund               |                      Verwendet KI, um benutzerdefinierte Bilder für den virtueller Hintergrund aus Benutzer-Prompts für die Verwendung in Zoom Sessions zu erstellen.                      | Besprechungen, Veranstaltungen, Webinar | Aufbewahrt (falls gespeichert) |
|                   Bildgenerierung                  |                     Verwendet KI, um Whiteboard-Zeichnungen oder grobe visuelle Artefakte in ausgefeiltere, gerenderte oder stilisierte visuelle Ausgaben umzuwandeln.                     |                Whiteboard               | Aufbewahrt (falls gespeichert) |
|                   Bildgenerierung                  |                     Verwendet KI, um gebrandete Bilder und andere visuelle Assets für Events zu erstellen, z. B. Header, Sitzungsbilder und expo-bezogene Materialien.                     |                  Events                 | Aufbewahrt (falls gespeichert) |
|                  Inhaltserstellung                 | Verwendet KI, um auf dem Bildschirm angezeigte Whiteboard-Inhalte wie Text, Haftnotizen, Tabellen, Mindmaps und andere strukturierte visuelle Elemente aus Benutzer-Prompts zu generieren. |                Whiteboard               | Aufbewahrt (falls gespeichert) |
|                  Inhaltserstellung                 |                        Verwendet KI, um schriftliche Event-Inhalte wie Beschreibungen, Sitzungsdetails, Referenten-Biografien und Lobby-Ankündigungen zu generieren.                       |                  Events                 | Aufbewahrt (falls gespeichert) |
|                Verfassen von E-Mails               |                               Verwendet KI, um E-Mail-Inhalte zu entwerfen und zu verfeinern, einschließlich Nachrichtentexten, Betreffzeilen und Antworten.                               |                  E-Mail                 |  Beibehalten (falls gesendet)  |
|           Verfassen von Chat-Nachrichten           |                                  Verwendet KI, um Chat-Nachrichten basierend auf Benutzer-Prompts und Verfügbar-Kontext zu entwerfen und zu überarbeiten.                                  |                   Chat                  |  Beibehalten (falls gesendet)  |
|               E-Mail-Zusammenfassung               |                                            Verwendet Zoom AI, um den wichtigsten Inhalt einer E-Mail oder eines E-Mail-Threads zusammenzufassen.                                           |                  E-Mail                 |        Nicht aufbewahrt        |
| Zusammenfassung von Nachricht, Thread und Dokument |                      Verwendet Zoom AI, um Chat-Nachrichten, Gesprächs-Threads und unterstützte angehängte Dokumente oder verknüpfte Canvas-Inhalte zusammenzufassen.                      |                   Chat                  |        Nicht aufbewahrt        |
|                Intelligenter Upload                |                             Extrahiert Event-Details aus hochgeladenen Dateien, um automatisch Sitzungen, Sprecher und benutzerdefinierte Fragen zu erstellen.                             |               Zoom Events               | Aufbewahrt (falls gespeichert) |

## Meine Notizen

### Meine Notizen in Zoom Meetings

<div data-with-frame="true"><figure><img src="https://590569539-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2Fmg7c13pX47CwKqywys3d%2FMy-Notes-in-Zoom-Meetings-v4.png?alt=media&amp;token=77beb1fd-a082-47e5-a62b-281247b5cd65" alt=""><figcaption><p>Übersicht über die Datenflüsse von „Meine Notizen“ in Zoom Meetings.</p></figcaption></figure></div>

Das obige Diagramm veranschaulicht, wie „Meine Notizen“ in Zoom Meetings den vorhandenen Audiopfad des Meetings für die Transkription nutzt. Wenn „Meine Notizen“ während eines Zoom Meetings aktiviert ist, wird das gemeinsam genutzte Meeting-Audio in die Multi-Media-Router-Sitzung (MMR) des Meetings eingespeist. Dieses Audio wird dann vom Automatic-Speech-Recognition-Dienst (ASR) von Zoom verarbeitet, der zwei Transkripte erstellt: ein Live-Transkript, das während des Meetings auf das Gerät des Benutzers übertragen wird, und ein vollständiges Transkript, das an das Web-Backend von Zoom übermittelt wird. Da das vollständige Transkript als gesamte Sitzung verarbeitet und nicht schrittweise übertragen wird, kann sein Inhalt geringfügig vom Live-Transkript abweichen. Das vollständige Transkript wird an Zoom AI übermittelt und kann dort mit den persönlichen Notizen des Benutzers ergänzt werden, um die Erstellung von Notizen nach dem Meeting zu unterstützen. Diese Version wird im Zoom-Backend gespeichert, damit der Benutzer sie später verwenden und abrufen kann.

Bei diesem Ablauf basiert die Transkription auf dem Zoom-Meeting-Audio der jeweiligen Sitzung. Nach dem Ende des Meetings kann der Benutzer auf das resultierende Transkript und die Notizen weiterhin zugreifen, vorbehaltlich der für ihn geltenden Aufbewahrungseinstellungen. Das zugrunde liegende Audio, das für die Transkription verwendet wurde, wird von Zoom jedoch nicht aufbewahrt.

### „Meine Notizen“ in Zoom Phone

<div data-with-frame="true"><figure><img src="https://590569539-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2FtGtHVZxbovmtEl7Ewg8n%2FMy-Notes-in-Zoom-Phone-v2.png?alt=media&amp;token=5041c1de-0c27-4816-8076-9f133c5f33b6" alt=""><figcaption><p>Übersicht über die Datenflüsse von „Meine Notizen“ in Zoom Phone.</p></figcaption></figure></div>

Das obige Diagramm veranschaulicht, wie „Meine Notizen“ bei Zoom Phone-Anrufen den vorhandenen Audiopfad des Anrufs für die Transkription nutzt. Wenn „Meine Notizen“ während eines Zoom Phone-Anrufs aktiviert ist, wird das kombinierte Audio beider Anrufteilnehmer von Zoom Phone erfasst und anschließend vom Automatic-Speech-Recognition-Dienst (ASR) von Zoom verarbeitet. Dieser erstellt ein Live-Transkript, das während des Anrufs auf das Gerät des Benutzers von „Meine Notizen“ übertragen wird, sowie ein vollständiges Transkript, das an das Web-Backend von Zoom übermittelt wird. Wie bei Zoom Meetings kann das vollständige Transkript geringfügig vom Live-Transkript abweichen und über Zoom AI mit den persönlichen Notizen des Benutzers ergänzt werden, um die Erstellung von Notizen nach dem Meeting zu unterstützen. Diese Version wird im Zoom-Backend gespeichert, damit der Benutzer sie später verwenden und abrufen kann.

Bei diesem Ablauf basiert die Transkription auf dem Zoom Phone-Audio des jeweiligen Anrufs. Nach dem Ende des Anrufs kann der Benutzer auf das resultierende Transkript und die Notizen weiterhin zugreifen, vorbehaltlich der für ihn geltenden Aufbewahrungseinstellungen.

### Meine Notizen außerhalb von Zoom Meetings

<div data-with-frame="true"><figure><img src="https://590569539-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2FpvARQa4iiO3d7G6BflDe%2FMy-Notes-in-Third-Party-Meetings-v8.png?alt=media&amp;token=c0f83b6c-a8e0-4c34-b29e-e2ea01ebee7e" alt=""><figcaption><p>Überblick über die Datenflüsse von My Notes außerhalb von Zoom Meetings</p></figcaption></figure></div>

Das obige Diagramm veranschaulicht, wie „Meine Notizen“ bei Meetings von Drittanbietern und persönlichen Besprechungen das lokale Geräteaudio des Benutzers nutzt. Wenn „Meine Notizen“ während eines Meetings eines Drittanbieters oder einer persönlichen Unterhaltung aktiviert ist, kann die Funktion über Zugriffsrechte auf Betriebssystemebene das Mikrofon des Benutzers und gegebenenfalls den Systemaudio verwenden, um das auf diesem Gerät verfügbare lokale Audio aufzunehmen. Dieses Audio wird dann vom Automatic-Speech-Recognition-Dienst (ASR) von Zoom verarbeitet, der zwei Transkripte erstellt: ein Live-Transkript, das während des Meetings auf das Gerät des Benutzers übertragen wird, und ein vollständiges Transkript, das an das Web-Backend von Zoom übermittelt wird. Da das vollständige Transkript als gesamte Sitzung verarbeitet und nicht schrittweise übertragen wird, kann sein Inhalt geringfügig vom Live-Transkript abweichen. Das vollständige Transkript wird an Zoom AI übermittelt und kann dort mit den persönlichen Notizen des Benutzers ergänzt werden, um die Erstellung von Notizen nach dem Meeting zu unterstützen. Diese Version wird im Zoom-Backend gespeichert, damit der Benutzer sie später verwenden und abrufen kann.

Das bedeutet, dass die Transkription bei Meetings von Drittanbietern und persönlichen Besprechungen auf dem Audio basiert, das vom lokalen Gerät des Benutzers übertragen wird, und nicht auf einem gemeinsam genutzten Zoom-Meeting-Audiostream. Wenn das Betriebssystem Mikrofonaktivität des Geräts erkennt, kann „Meine Notizen“ den Benutzer außerdem dazu auffordern, eine neue Notiz zu beginnen. So wird die Funktion in Situationen wie Meetings von Drittanbietern, browserbasierten Aufnahmen oder anderen Abläufen mit aktivem Mikrofon leichter verfügbar. Die entstandenen Notizen und Transkripte können vorbehaltlich der geltenden Aufbewahrungseinstellungen im Konto des Benutzers weiterhin zugänglich bleiben.

## ZoomMate

<div data-with-frame="true"><figure><img src="https://590569539-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2FvysqwhYkSz3T5mnjci1c%2FZoomMate-Architecture-minus-Memory-v2.png?alt=media&amp;token=ae9e2f47-4349-426f-bb85-8e92152da77b" alt=""><figcaption><p>Überblick über die Datenflüsse von ZoomMate</p></figcaption></figure></div>

Das obige Diagramm veranschaulicht, wie **ZoomMate als zentrale Arbeitsumgebung in Zoom Workplace fungiert**und dort Benutzerkontext, verknüpftes Wissen und Ausführungsmöglichkeiten zusammenführt. ZoomMate ist nicht nur ein eigenständiger Assistent, sondern befindet sich im Zentrum einer umfassenderen Arbeitsumgebung, in der Benutzer die Materialien und Systeme, die sie bei ihrer täglichen Arbeit unterstützen, durchsuchen, analysieren, für die Erstellung nutzen und für Aktionen einsetzen können.

Ein wesentlicher Teil dieser Rolle ergibt sich aus dem Zugriff von ZoomMate auf **Zoom-Inhalte aus erster Hand**Dazu können Artefakte wie Zusammenfassungen, „Meine Notizen“, Aufzeichnungen, Canvas-Dokumente, Chat-Nachrichten und andere von Benutzern erstellte Materialien gehören, die auf der Zoom-Plattform entstanden sind. Diese Artefakte liefern ZoomMate den nötigen Kontext, um Fragen zu beantworten, Informationen zusammenzufassen, Ergebnisse zu erstellen und weitere Schritte zu unterstützen. ZoomMate kann außerdem **Erinnerungen**nutzen und so relevante Präferenzen des Benutzers oder arbeitsbezogene Angaben berücksichtigen, wenn es bei der Erledigung einer Aufgabe hilft.

Das Diagramm zeigt außerdem, wie ZoomMate über Zoom-eigene Inhalte hinausgeht und **Wissensquellen von Drittanbietern**einbindet. Beispielsweise können verbundene Cloud-Speicherdienste wie Google Drive oder OneDrive als externe Archive mit Informationen dienen, auf die der Benutzer zugreifen kann. Werden diese Quellen eingebunden, kann Zoom genehmigte Inhalte indexieren, um die Suche in diesen Materialien zu unterstützen. So kann ZoomMate **agentische Suche** sowohl auf Zoom-Inhalte als auch auf verknüpftes Wissen von Drittanbietern anwenden. Auf diese Weise kann ZoomMate nicht nur Inhalte innerhalb von Zoom durchsuchen, sondern auch Dokumente und Materialien auf verbundenen externen Plattformen, auf die der Benutzer zugreifen darf.

Auch andere Quellen personenbezogener Daten, etwa **E-Mail und Kalender** (ausgenommen Ende-zu-Ende-verschlüsselte E-Mails), können ZoomMate unterstützen, funktionieren jedoch anders. Anstatt indexiert zu werden, kommunizieren diese Quellen in der Regel über direkten API-basierten Abruf mit ZoomMate. Dadurch eignen sie sich für Aufgaben wie das Auffinden relevanter E-Mail-Kontexte, das Überprüfen von Kalenderinformationen oder die Unterstützung bei der Planung von Terminen, ohne Teil der indexierten Abrufebene für die umfassendere Dokumentensuche zu sein.

Das Diagramm zeigt außerdem, dass ZoomMate eine größere Bandbreite an **Diensten und Konnektoren von Drittanbietern** anbinden kann, die sowohl Aktionen als auch den Zugriff auf Wissen ermöglichen. Dazu können Systeme wie Jira, HubSpot, ServiceNow, Workday und andere verbundene Business-Plattformen gehören. Über diese Verbindungen kann ZoomMate im Namen des Benutzers **agentische Aufgaben** ausführen, etwa Datensätze erstellen oder aktualisieren, Informationen von externen Diensten abrufen oder andere verknüpfte Aktionen in diesen Systemen durchführen. Damit ist ZoomMate mehr als eine Oberfläche zum Abrufen und Zusammenfassen von Informationen: Es dient auch als Ausführungsebene, die dabei helfen kann, Kontext in konkrete Aktionen umzusetzen.

Dieselbe Grundlage trägt auch zur Bereitstellung von **Agenten** und **Workflows** in der ZoomMate-Umgebung bei. Agenten können denselben zugrunde liegenden Kontext, dieselben Abrufpfade und verbundenen Systeme nutzen, um dynamischere, auf Schlussfolgerungen basierende Unterstützung zu leisten. So können Benutzer komplexere Aufgaben mit mehreren Schritten zusammenhängender und anpassungsfähiger erledigen. Workflows hingegen ermöglichen eine stärker strukturierte und wiederholbare Automatisierung. Benutzer können damit wiederkehrende Prozesse definieren, die Zoom-Inhalte und – sofern unterstützt – verbundene externe Systeme einbeziehen. Auf diese Weise dient ZoomMate nicht nur als dialogbasierte Schnittstelle, sondern auch als Orchestrierungsstelle für dynamische agentische Aktivitäten und stärker strukturierte Automatisierung.

**Sandbox** kann auch einige der erweiterten Ausführungsfunktionen von ZoomMate unterstützen. Für Aufgaben, die Codeausführung, Dateierstellung, Automatisierung oder andere anspruchsvollere Verarbeitung erfordern, kann ZoomMate eine separate Sandbox-Umgebung nutzen, anstatt sich ausschließlich auf die standardmäßige dialogbasierte Verarbeitung zu verlassen. Diese Sandbox läuft auf der AWS-Infrastruktur von Zoom und bietet für komplexere Aufgaben eine kurzlebige, isolierte Ausführungsumgebung. So kann ZoomMate bestimmte Vorgänge in einer kontrollierteren Umgebung ausführen. Auf diese Weise kann dieselbe umfassende ZoomMate-Grundlage, die Abruf, Schlussfolgerungen, Agenten und Workflows unterstützt, auch eine erweiterte Aufgabenausführung ermöglichen, wenn die angeforderte Arbeit dies erfordert.

Schließlich stellt das Diagramm nicht jede zugrunde liegende Komponente dar, die ZoomMate unterstützt. Es zeigt nicht ausdrücklich grundlegende Fähigkeitsebenen wie Skills oder andere unterstützende Strukturen, die Teil der breiteren Infrastruktur und des Designs von Zoom AI sind. Es wird davon ausgegangen, dass diese Elemente innerhalb des zugrunde liegenden AI-Systems arbeiten, das das Verhalten von ZoomMate ermöglicht. Der Zweck dieses Diagramms besteht stattdessen darin, die primären Kontext-, Wissens- und Aktionsflächen zu zeigen, über die ZoomMate als einheitliche Arbeitsoberfläche über Zoom und verbundene Systeme hinweg funktioniert.

### ZoomMate-Verbindungen zu Drittanbietern und Indexierung

<figure><img src="https://590569539-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2F16AaKIHy9GVIq6srhS4p%2FZoomMate-Third-Party-Connections-v1_1.png?alt=media&amp;token=122bae52-9f9e-49b3-a941-fb4250e600d8" alt="" width="375"><figcaption><p>Überblick darüber, wie ZoomMate sich mit Drittanbieter-Verbindungen und Datenquellen verbindet</p></figcaption></figure>

Das Diagramm oben veranschaulicht zwei verwandte, aber unterschiedliche Teile von ZoomMates Datenarchitektur für Drittanbieter. Der erste ist, wie ZoomMate sich mit unterstützten Anwendungen und Diensten von Drittanbietern verbindet, damit es Informationen abrufen oder innerhalb dieser Systeme Aktionen ausführen kann. Der zweite ist, wie bestimmte unterstützte Inhalte von Drittanbietern aufgenommen und indexiert werden können, damit ZoomMate diese Inhalte später effizienter durch Retrieval-Augmented Generation abrufen kann.

#### <mark style="color:blau;">ZoomMate kann sich direkt mit Anwendungen und Diensten von Drittanbietern verbinden</mark>

Ein Teil des Diagramms zeigt, wie ZoomMate sich mit unterstützten Anwendungen von Drittanbietern wie Jira, Confluence, Salesforce, ServiceNow, Workday, Cloud-Speicher-Plattformen und anderen externen Business-Systemen verbindet. Diese Verbindungen ermöglichen es ZoomMate, über Zoom-native Inhalte hinaus zu arbeiten, indem es mit Tools interagiert, die Business-Daten speichern oder operative Arbeit außerhalb der Zoom-Plattform unterstützen.

Diese Verbindungen werden über eine TLS-Verbindung durch autorisierte Zugriffsmodelle wie API-basierte Integrationen oder MCP-basierte Verbindungen hergestellt. In beiden Fällen arbeitet ZoomMate innerhalb der vom verbundenen Dienst gewährten Berechtigungen. Dadurch kann ZoomMate relevante Informationen aus diesen Systemen abrufen und, sofern unterstützt, im Namen des Benutzers innerhalb dieser Systeme Aktionen ausführen. So kann ZoomMate beispielsweise Details aus einem Jira-Vorgang abrufen, eine Confluence-Seite durchsuchen, einen Datensatz in ServiceNow aktualisieren oder ein anderes verbundenes System im Rahmen einer umfassenderen Aufgabe verwenden.

Dieses direkte Verbindungsmodell ist besonders wichtig für Aufgaben, die vom aktuellen Systemstatus oder vom Live-Zugriff auf Tools von Drittanbietern abhängen. In diesen Fällen kann ZoomMate die verbundene Anwendung als aktiven Service-Endpunkt verwenden und nicht nur als Repository zuvor indexierter Inhalte.

#### <mark style="color:blau;">ZoomMate kann genehmigte Inhalte von Drittanbietern für den späteren Abruf indizieren</mark>

Ein zweiter Teil des Diagramms zeigt, wie ZoomMate Inhalte aus unterstützten Drittquellen aufnehmen und indizieren kann, damit das Material später im Rahmen einer Suche oder einer KI-gestützten Antwort abgerufen werden kann. Dieses indizierte Abrufmodell ist besonders relevant für verbundene Inhaltsrepositorien wie Cloud-Speichersysteme, Wissensdatenbanken, Dokumentenplattformen und andere unterstützte Quellen, in denen ZoomMate möglicherweise in einem größeren Bestand an aufbewahrten externen Inhalten suchen muss.

Sobald eine unterstützte Quelle verbunden und für die Indizierung freigegeben ist, kann ZoomMate Inhalte aus dieser Quelle abrufen und für die spätere Suche aufbereiten. Dieser Aufbereitungsvorgang kann das Zerlegen größerer Dateien oder Datensätze in kleinere Einheiten sowie das Hinzufügen von Metadaten wie Quelle, Aktualisierungszeit, Eigentümerschaft und Berechtigungsinformationen umfassen. Diese Inhalte werden dann in Zooms Indizierungsebene geschrieben, damit später sowohl über exakte Übereinstimmungen als auch über bedeutungsbasierte Abrufverfahren danach gesucht werden kann.

Wenn ein Benutzer eine Anfrage sendet, die von indizierten Inhalten Dritter abhängt, kann ZoomMate dieses indizierte Material durchsuchen, bewerten, welche Ergebnisse am relevantesten sind, und die mit der ursprünglichen Quelle verknüpften Berechtigungsinformationen anwenden, sodass nur autorisierte Inhalte überhaupt angezeigt werden können. Die relevantesten autorisierten Inhalte können dann als unterstützender Kontext für die Antwort in ZoomMates KI-Ebene eingespeist werden. Auf diese Weise zeigt das Diagramm, wie indizierte Inhalte von Drittanbietern ZoomMate dabei helfen können, Antworten zu erzeugen, die in tatsächlichen verbundenen Geschäftsmaterialien verankert sind, anstatt sich nur auf allgemeines Modellwissen zu stützen.

## Benutzerdefinierte Avatare

### Avatar-Erstellung

<div data-with-frame="true"><figure><img src="https://590569539-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2FAThLjvKEc1JVanLMyuf8%2Fimage.png?alt=media&amp;token=d62f86b5-43ea-4305-9343-a810938a01cd" alt=""><figcaption><p>Überblick über den Prozess zur Erstellung eines benutzerdefinierten Avatars</p></figcaption></figure></div>

Das obige Diagramm veranschaulicht, wie ein benutzerdefinierter Avatar aus dem aufgezeichneten Video und der Stimme eines Benutzers erstellt wird. Der Prozess beginnt, wenn dem Benutzer ein Skript angezeigt wird und er aufgefordert wird, sich beim Vorlesen aufzuzeichnen. Dieser angeleitete Aufzeichnungsschritt ermöglicht es Zoom, das audiovisuelle Material zu erfassen, das benötigt wird, um sowohl das Abbild des Avatars des Benutzers als auch das zugehörige Stimmmodell zu erzeugen, das in späteren avatarbasierten Ausgaben verwendet wird.

Nachdem der Benutzer die Aufzeichnung abgeschlossen hat, werden die Audio- und Videokomponenten über unterschiedliche Pfade verarbeitet. Das Audio wird an einen Drittanbieterdienst gesendet, der auf Grundlage der aufgezeichneten Sprache des Benutzers eine Stimmähnlichkeit erzeugt. Sobald diese Verarbeitung abgeschlossen ist, gibt der Drittanbieterdienst eine eindeutige Stimmkennung an Zoom zurück. Zoom speichert diese Kennung als Stimmreferenz des Benutzers, damit sie später bei der Erstellung avatargestützter Clips oder anderer unterstützter Ausgaben verwendet werden kann, die auf dieser synthetisierten Stimme basieren.

Gleichzeitig wird die Videokomponente an ein von Zoom gehostetes Modul zur Avatarerzeugung gesendet, wo Zoom das aufgezeichnete visuelle Material verarbeitet, um die Avatar-Darstellung des Benutzers zu erstellen. Das ergibt eine Avatarvorlage, die Zoom zur späteren Verwendung speichert. Zusammengenommen ermöglichen diese beiden gespeicherten Ausgaben – die gespeicherte Stimmkennung und die gespeicherte Avatarvorlage – es Zoom, zukünftige Clips oder avatargestützte Medien zu erzeugen, die sowohl das Erscheinungsbild des Benutzers als auch seine synthetisierte Stimme widerspiegeln.

### Clip-Erstellung

<div data-with-frame="true"><figure><img src="https://590569539-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2Fj2o9NYXibPtVTyctuHvq%2Fimage14.png?alt=media&amp;token=33174f0b-8f48-4de0-93a1-ee63ad8eac11" alt=""><figcaption><p>Überblick über den Prozess zur Erstellung eines benutzerdefinierten Avatar-Clips</p></figcaption></figure></div>

Das obige Diagramm veranschaulicht, wie ein benutzerdefinierter Avatar-Clip aus dem gespeicherten Avatar und dem synthetisierten Stimmprofil eines Benutzers erstellt wird. Der Prozess beginnt, wenn der Benutzer das Skript hochlädt, das der Avatar präsentieren soll. Dieses Skript dient als Quellinhalt für den erzeugten Clip.\
\
Von dort aus koordiniert das Web-Backend von Zoom zwei parallele Eingaben, die für die Erstellung der endgültigen Ausgabe benötigt werden. Zuerst sendet es die gespeicherte Stimmkennung des Benutzers zusammen mit dem Skript an den Drittanbieter-Stimmerzeugungsdienst, der das Audio für den Clip unter Verwendung der synthetisierten Stimme des Benutzers erzeugt. Zweitens sendet es die gespeicherte Avatarvorlage des Benutzers an Zooms Modul zur Avatarerzeugung, damit die visuelle Komponente des Clips mit dem zuvor erstellten Avatar-Abbild des Benutzers vorbereitet werden kann.\
\
Sobald der Drittanbieter-Stimmerzeugungsdienst das Audio erzeugt hat, wird dieses Audio an Zoom zurückgegeben und an das Modul zur Avatarerzeugung übergeben. Das Modul zur Avatarerzeugung kombiniert dann die gespeicherte Avatarvorlage mit dem erzeugten Sprach-Audio und synchronisiert die Gesichts- und Mundbewegungen des Avatars mit den gesprochenen Inhalten. Nachdem dieser Lippensynchronisations- und Rendering-Prozess abgeschlossen ist, erstellt Zoom den fertigen Avatar-Clip und liefert ihn an den Benutzer zurück.

## Benutzerdefiniertes Wörterbuch

<div data-with-frame="true"><figure><img src="https://590569539-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2F4wdZuiAXND1LIsoho6Q8%2F818655_mV1OiRYaRC2-cqN80It6Bw_CAIC-Custom-Dictionary-v5.png?alt=media&amp;token=0eb0a608-e461-49c0-9248-80b0789c9304" alt=""><figcaption><p>Datenflüsse des benutzerdefinierten Wörterbuchs</p></figcaption></figure></div>

Das obige Diagramm veranschaulicht, wie die Funktion „Benutzerdefiniertes Wörterbuch“ dazu beiträgt, die Genauigkeit sprachbasierter Zoom-Ausgaben zu verbessern, indem sie dem Automatic Speech Recognition-(ASR-)Dienst von Zoom zusätzlichen Wortschatzkontext bereitstellt. Diese Funktion ist darauf ausgelegt, Wörter, Abkürzungen, Fachjargon, Produktnamen oder spezielle Terminologie zu unterstützen, die für ein Unternehmen, eine Branche, ein Team oder eine Region spezifisch sein können und die andernfalls bei der Transkription möglicherweise nicht richtig erkannt oder wiedergegeben würden.

Der Prozess beginnt damit, dass ein Kontoadministrator im Zoom-Webportal ein benutzerdefiniertes Wörterbuch erstellt und speichert. Dieses Wörterbuch enthält die Liste der genehmigten Wörter oder Ausdrücke, die das Unternehmen genauer von Zoom erkennen lassen möchte. Sobald das Wörterbuch auf Kontoebene gespeichert wurde, steht es in unterstützten Meeting- und Sprachverarbeitungskontexten zur Verfügung.

Wenn ein Benutzer später ein Meeting startet, kann Zooms AASR-Dienst das benutzerdefinierte Wörterbuch des Kontos als Teil seines Verarbeitungskontexts erhalten. Während der ASR-Dienst Live-Audio in Speech-to-Text-Daten umwandelt, kann er wahrgenommene gesprochene Sprache mit dem benutzerdefinierten Wörterbuch vergleichen und versuchen, erkannte Laute den gespeicherten Begriffen zuzuordnen. Dadurch erhält das ASR zusätzliche Hinweise darauf, nach welchen Wörtern gesucht werden soll, wie bestimmte Begriffe geschrieben sein können und wie Abkürzungen oder Fachsprache interpretiert werden sollten.

Das Ergebnis ist, dass die anfängliche Speech-to-Text-Ausgabe die tatsächlich im Meeting verwendete Terminologie genauer widerspiegeln kann. Diese verbesserte Genauigkeit kann sich dann in nachgelagerten Artefakten fortsetzen, die aus der Unterhaltung abgeleitet werden. Wenn beispielsweise später eine Meeting-Zusammenfassung, Untertitel, ein Transkript oder ein anderes auf Speech-to-Text-Daten basierendes Asset generiert wird, können diese Ausgaben eine genauere Darstellung der im Meeting gesprochenen Wörter widerspiegeln und so die Qualität und Nützlichkeit des resultierenden KI-generierten Artefakts verbessern.

## Benutzerdefinierte Meeting-Zusammenfassungsvorlagen

<div data-with-frame="true"><figure><img src="https://590569539-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2Figd7zj6YLNIds7iHCerA%2F786f73_aFTdIy-3TIKILtvQ0oxm2w_CAIC-Meeting-Summary-Templates-v5.png?alt=media&amp;token=0177d9ed-d411-450f-9bae-033ca1f7e928" alt=""><figcaption><p>Datenflüsse benutzerdefinierter Meeting-Zusammenfassungsvorlagen</p></figcaption></figure></div>

Das obige Diagramm veranschaulicht, wie benutzerdefinierte Meeting-Zusammenfassungen aus einer vom Benutzer oder vom Konto definierten Vorlage erstellt werden. Der Prozess beginnt, wenn eine Vorlage erstellt und in Zoom gespeichert wird. Auf Kontoebene kann ein Administrator eine benutzerdefinierte Meeting-Zusammenfassungsvorlage für den Einsatz im Unternehmen definieren. Auf individueller Ebene kann ein Benutzer eine persönliche Meeting-Zusammenfassungsvorlage basierend auf seinen eigenen Präferenzen erstellen. Sobald sie erstellt wurde, wird die ausgewählte Vorlage gespeichert, damit sie bei späteren Zusammenfassungserstellungen angewendet werden kann.

Wenn ein Meeting endet, kann Zoom AI die Speech-to-Text-Daten des Meetings verwenden, um eine Meeting-Zusammenfassung zu erstellen, die der Struktur und den Schwerpunkten der gewählten benutzerdefinierten Vorlage folgt. Wenn die benutzerdefinierte Vorlage vor der Erstellung der Meeting-Zusammenfassung ausgewählt wurde, wendet Zoom AI diese Vorlage direkt bei der Erstellung der Zusammenfassung an. Dadurch kann die resultierende Ausgabe das in der Vorlage definierte spezifische Format, die Abschnitte oder Prioritäten widerspiegeln und nicht nur eine standardmäßige Zusammenfassungsstruktur.

Wenn vor der ersten Erstellung der Zusammenfassung keine benutzerdefinierte Vorlage ausgewählt wurde, kann Zoom diese Vorlage nur später anwenden, wenn das Meeting-Transkript aufbewahrt wurde. In diesem Fall kann Zoom AI das aufbewahrte Transkript anhand der Konfiguration der Vorlage erneut verarbeiten und eine neue Zusammenfassung erzeugen, die auf diese Struktur abgestimmt ist. Wenn das Transkript jedoch nicht aufbewahrt wurde, verfügt Zoom nicht über das zugrunde liegende Transkript für eine erneute Verarbeitung, was bedeutet, dass die benutzerdefinierte Vorlage im Nachhinein nicht angewendet werden kann.

## Live-Stimmenübersetzung

<div data-with-frame="true"><figure><img src="https://590569539-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2FhEoS4i8vNntdOIimBl6g%2F7ca031_FbKGyC4eSZ-mHZ4Ibw-07A_Voice-Translator-Aug-25-update-v3.png?alt=media&amp;token=c5889183-1531-4d96-9455-bd00570140e9" alt=""><figcaption><p>Überblick über Datenflüsse der Live-Sprachübersetzung</p></figcaption></figure></div>

Das obige Diagramm veranschaulicht, wie **Live-Sprachübersetzungen** funktionieren: Das native Audio des Sprechers wird über den Multimedia Router (MMR) eines Meetings eingespeist. Dieses Audio wird anschließend über Echtzeit-Medienstreaming (RTMS) an den Übersetzungsdienst weitergeleitet, wo die ursprüngliche Sprache verarbeitet und in die Zielsprache übersetzt wird. Der Dienst erzeugt dann einen neuen übersetzten Sprach-Audiostream, der über RTMS an den MMR zurückgesendet und wieder in das Meeting übertragen wird, damit Teilnehmer in der ausgewählten Sprache zuhören können.

## Persönliche Audioisolierung

<div data-with-frame="true"><figure><img src="https://590569539-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2FiuobcSga2Z6kGJEqFwtO%2Fimage22.png?alt=media&amp;token=387af679-5d1c-4aa0-aa62-9085d334a40b" alt=""><figcaption><p>Überblick darüber, wie Personal Audio Isolation die Stimme eines Benutzers isoliert</p></figcaption></figure></div>

Das obige Diagramm veranschaulicht, wie **Persönliche Audio-Isolierung** funktioniert: Ein lokal auf dem Gerät des Benutzers gespeicherter Stimmabdruck wird verwendet, um die Sprache des Benutzers von den umgebenden Hintergrundgeräuschen zu unterscheiden. Der Vorgang beginnt damit, dass der Benutzer über die Funktion „Persönliche Audio-Isolierung“ in der Zoom Workplace App eine Sprachprobe aufnimmt. Anhand dieser Aufnahme wird ein lokaler Stimmabdruck erstellt, der der Anwendung hilft, die Stimmmerkmale des Benutzers zu erkennen. Dieser Stimmabdruck bleibt auf dem lokalen Computer und wird nicht an die Zoom Cloud übertragen.

Wenn der Benutzer später in einem Meeting in einer Umgebung mit Umgebungsgeräuschen spricht, verwendet die Zoom Workplace App diesen lokal gespeicherten Stimmabdruck, um die Sprachmuster des Benutzers zu identifizieren und von den umgebenden Geräuschen zu trennen. Dadurch kann die Anwendung Hintergrundgeräusche unterdrücken und die Stimme des Benutzers effektiver isolieren, bevor das Audio weiter durch den Meeting-Ablauf gesendet wird.

Infolgedessen ist das an die Zoom Cloud übertragene Audio das bereinigte Meeting-Audio, bei dem Umgebungsgeräusche im Rahmen der von der Funktion unterstützten Möglichkeiten herausgefiltert wurden. Der zugrunde liegende Stimmabdruck des Benutzers selbst wird nicht an Zooms Cloud-Infrastruktur gesendet. Auf diese Weise arbeitet Personal Audio Isolation als lokale Verarbeitung auf Geräteebene, die die Audioqualität verbessert, bevor das bereinigte Audio in die Live-Zoom-Sitzung übertragen wird.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://library.zoom.com/technical-library/de/ai/ai-whitepaper/diagrams.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
